买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安工业大学申请的专利一种基于深度学习的多目标优化推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115510322B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211189380.9，技术领域涉及：G06F16/9535；该发明授权一种基于深度学习的多目标优化推荐方法是由刘萍萍;路萍;张敏;陈言训设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本一种基于深度学习的多目标优化推荐方法在说明书摘要公布了：本发明属于推荐系统排序算法技术领域，涉及一种基于深度学习的多目标优化推荐方法，包括以下步骤：建立训练及测试数据集，并设立模型学习目标；引入Embedding层解决数据特征稀疏性；构建高低阶特征交互，对CTR进行预测；引入门控网络；引入多级专家网络；建立目标之间依赖关系，构建加权多目标损失。本发明对于多目标的情况展示了促进目标互相合作、防止负迁移和跷跷板现象的好处，并且达到了满意度和准确率指标的实质性改善，可以广泛应用在各种场景下的多目标推荐领域，可以随着人们对于信息准确度、多样性需求的不断提高，通过推荐系统为用户找到感兴趣的物品并提高用户的使用感和满意度。

本发明授权一种基于深度学习的多目标优化推荐方法在权利要求书中公布了：1.一种基于深度学习的多目标优化推荐方法，其特征在于：所述方法具体包括以下步骤： 步骤1：对原始视频推荐数据进行数据预处理与分类，建立训练及测试数据集，并设立模型学习目标； 步骤2：引入Embedding层解决数据特征稀疏性； 步骤3：构建高低阶特征交互，对CTR进行预测； 步骤4：为每个目标引入单独的门控网络； 步骤5：引入多级专家网络，使每个目标有独立的Expert，同时保留了共享的Expert； 步骤6：建立目标之间依赖关系，构建加权多目标损失； 所述步骤2中，Embedding层为嵌入层，用于对高维稀疏的one-hot数据向量做嵌入，得到低维稠密的Embedding向量,然后将通过嵌入层后得到的每个稠密向量横向拼接，作为模型的输入；嵌入层的输出表示为： a0＝[e1,e2,…,em] 其中ei是第i个字段的嵌入，m是字段数，然后，a0被送入深度神经网络，前向传播过程为： al+1＝σWlal+bl 其中l是层深度，σ是激活函数,al，Wl，bl分别是第l层的输出、模型权重和偏差,之后，生成一个稠密的实值特征向量； 所述步骤3包括以下步骤： 步骤3.1:构建高低阶特征交互 首先分别采用因子分解机和深度神经网络建模低层次和高层次的特征交互，把DeepFM的FM部分保留不变，把DeepFM的DNN部分换为硬参数共享的Shared-Bottom结构，得到结合DeepFM和Shared-Bottom的多目标基础模型； 步骤3.2:对CTR进行预测 FM子网络计算稀疏特征和稠密特征的二阶交叉分数，deep子网络将稠密特征和连续特征拼接输入进网络；将FM一阶、二阶分数和deep的最后一层输入拼接，经过sigmoid得到CTR的预估值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安工业大学，其通讯地址为：710032 陕西省西安市未央区学府中路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。